本书全面、深入地探讨了人工智能（AI）领域的理论和实践，以统一的风格将当今流行的人工智能思想和术语融合到引起广泛关注的应用中，真正做到理论和实践相结合。全书分7个部分，共28章，理论部分介绍了人工智能研究的主要理论和方法并追溯了两千多年前的相关思想，内容主要包括逻辑、概率和连续数学，感知、推理、学习和行动，公平、信任、社会公益和安全；实践部分完美地践行了“现代”理念，实际应用选择当下热度较高的微电子设备、机器人行星探测器、拥有几十亿用户的在线服务、AlphaZero、人形机器人、自动驾驶、人工智能辅助医疗等。
本书适合作为高等院校人工智能相关专业本科生和研究生的教材，也可以作为相关领域专业人员的参考书。

斯图尔特·罗素（Stuart Russell），加州大学伯克利分校计算机科学家，人类兼容人工智能中心（CHAI）主任，人工智能研究实验室指导委员会（BAIR）成员。
世界经济论坛人工智能和机器人委员会副主席，美国科学促进会（AAAS）会士，美国人工智能协会（AAAI）会士。
曾与谷歌研究总监彼得·诺维格合著，出版了人工智能领域里的“标准教科书”《人工智能》，该书被128个国家的1400多所大学使用。
获得过多项科学荣誉，包括美国国家科学基金会总统青年研究员奖、国际人工智能联合会议（IJCAI）计算机与思想奖、国际计算机学会（ACM）卡尔斯特朗杰出教育家奖等，并受邀在TED、世界经济论坛演讲。

第一部分 人工智能基础
第1章 绪论
1.1 什么是人工智能
1.1.1 类人行为：图灵测试方法
1.1.2 类人思考：认知建模方法
1.1.3 理性思考：“思维法则”方法
1.1.4 理性行为：理性智能体方法
1.1.5 益机
1.2 人工智能的基础
1.2.1 哲学
1.2.2 数学
1.2.3 经济学
1.2.4 神经科学
1.2.5 心理学
1.2.6 计算机工程
1.2.7 控制理论与控制论
1.2.8 语言学
1.3 人工智能的历史
1.3.1 人工智能的诞生（1943-1956）
1.3.2 早期热情高涨，期望无限（1952-1969）
1.3.3 一些现实（1966-1973）
1.3.4 专家系统（1969-1986）
1.3.5 神经网络的回归（1986-现在）
1.3.6 概率推理和机器学习（1987-现在）
1.3.7 大数据（2001-现在）
1.3.8 深度学习（2011-现在）
1.4 目前的先进技术
1.5 人工智能的风险和收益
小结
参考文献与历史注释
第2章 智能体
2.1 智能体和环境
2.2 良好行为：理性的概念
2.2.1 性能度量
2.2.2 理性
2.2.3 全知、学习和自主
2.3 环境的本质
2.3.1 指定任务环境
2.3.2 任务环境的属性
2.4 智能体的结构
2.4.1 智能体程序
2.4.2 简单反射型智能体
2.4.3 基于模型的反射型智能体
2.4.4 基于目标的智能体
2.4.5 基于效用的智能体
2.4.6 学习型智能体
2.4.7 智能体程序的组件如何工作
小结
参考文献与历史注释
第二部分 问题求解
第3章 通过搜索进行问题求解
3.1 问题求解智能体
3.1.1 搜索问题和解
3.1.2 问题形式化
3.2 问题示例
3.2.1 标准化问题
3.2.2 真实世界问题
3.3 搜索算法
3.3.1 最佳优先搜索
3.3.2 搜索数据结构
3.3.3 冗余路径
3.3.4 问题求解性能评估
3.4 无信息搜索策略
3.4.1 广度优先搜索
3.4.2 Dijkstra算法或一致代价搜索
3.4.3 深度优先搜索与内存问题
3.4.4 深度受限和迭代加深搜索
3.4.5 双向搜索
……
第三部分 知识、推理和规划
第四部分 不确定知识和不确定推理
第五部分 机器学习
第六部分 沟通、感知和行动
第七部分 总结
附录A 数学背景知识
附录B 关于语言与算法的说明
参考文献
索引